Análisis de datos simbólicos para data science

La ciencia de datos, considerada como una ciencia en sí misma, es en términos generales, la extracción de conocimiento de los datos. Data Mining es una poderosa tecnología con gran potencial para extraer tal conocimiento. Sin embargo, desde el punto de vista estadístico, sus herramientas sólo han si...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Mallea, Adriana, Carrizo, Jorgelina, Ganga, Leonel, Martínez, Cecilia Fernanda, Salas, Andrea
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2021
Materias:
Ciencias Informáticas
Data Science
Simbólico
Análisis de datos
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/119982
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-119982
record_format dspace
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
Data Science
Simbólico
Análisis de datos
spellingShingle Ciencias Informáticas
Data Science
Simbólico
Análisis de datos
Mallea, Adriana
Carrizo, Jorgelina
Ganga, Leonel
Martínez, Cecilia Fernanda
Salas, Andrea
Análisis de datos simbólicos para data science
topic_facet Ciencias Informáticas
Data Science
Simbólico
Análisis de datos
description La ciencia de datos, considerada como una ciencia en sí misma, es en términos generales, la extracción de conocimiento de los datos. Data Mining es una poderosa tecnología con gran potencial para extraer tal conocimiento. Sin embargo, desde el punto de vista estadístico, sus herramientas sólo han sido desarrolladas para trabajar con matrices de datos clásicas, es decir, donde cada unidad es individual y las variables toman un único valor para cada individuo. El análisis de datos simbólicos (SDA, por sus siglas en inglés) brinda una nueva forma de pensar en Data Science al extender la entrada estándar a un conjunto de clases de entidades individuales. Por lo tanto, las clases de una población dada se consideran unidades de una población de nivel superior a estudiar. Tales clases a menudo representan las unidades reales de interés. Para tener en cuenta la variabilidad entre los miembros de cada clase, las clases se describen por intervalos, distribuciones, conjunto de categorías o números que a veces se ponderan. De esa manera, obtenemos nuevos tipos de datos, llamados "simbólicos", ya que no se pueden reducir a números sin perder información sobre la variabilidad interna. SDA es un nuevo paradigma que abre un vasto dominio de investigación y aplicaciones al proporcionar resultados complementarios a los métodos clásicos aplicados a los datos estándar. A lo largo de las últimas tres décadas se han extendido distintos métodos del análisis clásico de datos al simbólico, la mayoría de ellos descriptivos. Esto fundamenta la necesidad de continuar investigando sobre la modelización e inferencia en el contexto de datos de naturaleza simbólica. El presente proyecto pretende responder a esta necesidad. Las metodologías se aplicarán a problemas reales o simulados.
format Objeto de conferencia
Objeto de conferencia
author Mallea, Adriana
Carrizo, Jorgelina
Ganga, Leonel
Martínez, Cecilia Fernanda
Salas, Andrea
author_facet Mallea, Adriana
Carrizo, Jorgelina
Ganga, Leonel
Martínez, Cecilia Fernanda
Salas, Andrea
author_sort Mallea, Adriana
title Análisis de datos simbólicos para data science
title_short Análisis de datos simbólicos para data science
title_full Análisis de datos simbólicos para data science
title_fullStr Análisis de datos simbólicos para data science
title_full_unstemmed Análisis de datos simbólicos para data science
title_sort análisis de datos simbólicos para data science
publishDate 2021
url http://sedici.unlp.edu.ar/handle/10915/119982
work_keys_str_mv AT malleaadriana analisisdedatossimbolicosparadatascience
AT carrizojorgelina analisisdedatossimbolicosparadatascience
AT gangaleonel analisisdedatossimbolicosparadatascience
AT martinezceciliafernanda analisisdedatossimbolicosparadatascience
AT salasandrea analisisdedatossimbolicosparadatascience
bdutipo_str Repositorios
_version_ 1764820449175273475

Ejemplares similares